研究チームは、視覚・言語・行動を扱うロボットが、作業の実行中に実演のどの部分を参考にするか選べるようにする手法「VICTR」を発表した。視覚的な類似性だけで事例を検索するのではなく、参照動画に対してロボットがどこまで作業を進めたかを推定し、進捗が一致する段階の実演データをπ0.5ポリシーに与える。
未経験かつ学習範囲外の実環境での操作タスクでは、チームの報告によると成功率は23.8%で、ファインチューニング済みのπ0.5を使ったベースラインの6.2%を上回った。また、タスクの進捗度は28.9%から55.5%に上昇したと論文は報告している。ただし、より広範な導入環境での性能は明らかにされていない。
なぜ重要か
ロボット研究者にとって、VICTRは作業の進捗に合わせて実演を選ぶことで、ロボットが未経験の操作タスクに対応しやすくなる可能性を示している。ただし、報告されたテスト以外での性能は分かっていない。
